一种基于矢量传感器阵的盲波束形成方法研究

本文针对水声环境和信号的特点,提出了一种基于矢量传感器阵的盲波束形成算法。首先建立了矢量传感器阵列接收信号模型,然后推导了基于矢量传感器阵列的波束形成最优权矢量的表达式。在此基础上,定义了接收信号的四阶累积量,进而盲估计了矢量传感器阵列的方向向量,实现了盲波束形成。该方法利用高阶累积量可消除高斯噪声干扰这一特性,有效地实现了基于矢量传感器阵列的盲波束形成。仿真实验验证了该方法的有效性和正确性。

基于多普勒信号的盲自适应波束形成技术

本文研究相控阵多普勒雷达百自适应波束形成问题，利用信号的多普勒信息，提出了一种新的盲自适应波束形成方法．在未知阵列流形条件下，该方法自适应调整权系数使阵列输出与单位多普勒复指数的均方误差最小．理论分析表明，当期望信号与干扰及噪声不相关时，该方法能很好地逼近阵列流形已知条件下的线性约束最小噪声方差波束形成方法，并能有效克服信号相消现象，对系统误差还具有很强的稳健性．计算机仿真结果验证了新方法的有效性．

基于多普勒信息的盲波束形成方法在声呐信号处理中的应用研究

本文针对水声环境和水声信号的特点 ,提出了一种可用于任意阵形的自适应神经网络盲波束形成方法。该方法在未知基阵响应向量的情况下 ,利用水声信号多普勒频率信息 ,估计波束形成的权矢量 ,采用神经网络的方法实现盲波束形成 ,从而避免了矩阵的求逆运算 ,不但减小了运算量而且易于用硬件实现。此外该算法具有收敛速度快、鲁棒性强、估计精度高等优点。通过拖曳阵和体积阵的仿真实验 ,验证了所提出方法的有效性和正确性。

波束域的信号盲分离方法

现有的源信号盲分离方法大都是针对阵元输出信号进行的,各种干扰信号和观测噪声的影响使盲分离算法性能退化,甚至失效。为了提高低信噪比情况下的信号盲分离能力,提出一种新的信号盲分离方法,即先对阵元观测信号进行盲波束形成,而后利用波束输出信号实行盲分离。盲波束形成阶段既提高了盲分离输入信号的信噪比,又可降低盲分离模型的阶次,信号盲分离阶段不仅能进一步净化信号,还能分离同一波束内两个以上的源信号。采用多种情况的人工仿真混合信号进行实验,以评价新算法的性能,仿真结果表明新的盲分离方法优于各阶段算法。

一种易于电路实现的鲁棒盲神经网络波束形成器

绝大多数通讯信号都具有周期平稳信号特性。利用信号的周期平稳特性可以进行真正的盲自适应波束形成，因而受到了广泛关注。鲁棒ＣＡＢ（Ｒ－ＣＡＢ）算法就是其中的一种，但其中涉及矩阵求逆，运算量很大。波束形成属于多维信号处理问题，阵列中阵元数的增加导致运算量成几何级数增加。文中提出了一种盲神经网络波束形成算法。由于神经网络具有网状计算结构的特点，故该方法不仅避免了矩阵求逆运算，同时更便于实时实现。该方法还利用对角加载技术，从而加快了收敛速度，保证了算法的鲁棒性。仿真实验表明其性能优越。

基于累积量的盲自适应波束形成技术

本文研究了在阵列信号处理中使用累积量的问题 ,以及在相干多径环境中基于累积量的盲自适应波束形成技术。该技术能在阵列几何结构和阵列流形未知的条件下 ,自适应调整权系数使阵列输出的信号干扰加噪声比最大。

周期平稳信号特性在盲波束形成中的应用

本文综述周期平稳信号的基本理论及其在盲波束形成领域中的应用。在此基础上，并结合我们的工作，对基于信号周期平稳特性的盲波束形成的发展作一展望。

ICA及其在阵列信号处理中的应用研究

独立成分分析(Independent Component Analysis,ICA)是一种有效的盲信号分离(Blind Source Separation,BSS)方法。当目标源信号相互独立时,它能从多通道的混合观测信号中将目标源信号分解开来。本文通过对ICA的详细介绍,对比了ICA模型和阵列信号处理模型的特点,分析了二者的关系,并就二者的综合应用进行了研究,同时对盲波束形成、雷达信号分选和外辐射源雷达信号分离等典型应用进行了介绍和评价。

一种基于信号谱自相关特性的盲波束形成方法

研究了阵列流型未知情况下的波束形成问题，基于周期平稳信号的谱自相关特性提出了一种估计信源导向矢量的算法，在未预知阵列流型及信源波达方向（ＤＯＡ）信息的条件下实现了盲波束形成．

一种新的基于循环统计量的盲检测算法

针对现有的基于循环平稳特性的盲检测算法计算复杂、适应信号类型少等问题,提出了一种新的基于循环统计量的盲检测算法。首先给出了基于循环平稳的盲检测机制,进而推导了零假设下检验统计量的渐近分布,避免了复杂的协方差矩阵运算,可得到恒虚警概率下的检测门限;最后为了提高算法对信号类型的稳健性,融合了两种典型的检测器。理论分析和仿真结果验证了新的盲检测算法具有良好的性能。